PENDUGAAN UMUR PERTANAMAN PADI DENGAN PEMODELAN KLASIFIKASI MULTICLASS ROTATION FOREST BERDASARKAN CITRA LANDSAT-8
Loading...
Files
Date
2021-12-15
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Monitoring the growth of rice plants needs to be done to predict the success of the harvest. The growth phase and age of rice plants are crop biophysical parameters that can be detected by Landsat-8 image technology. The variables obtained from Landsat-8 are bands and vegetation index. The initial processing is processing data on rice plantations belonging to PT Sang Hyang Seri in Subang Regency, West Java, from crop recapitulation data and 16 Landsat-8 image data every day during the 2015-2017 period. This study aims to determine the best accuracy value of the classification technique by first applying the multiclass process for rice planting age, feature engineering, variable interaction of initial variables, and resampling techniques. The classification method used is Multiclass Rotation Forest. The application of this classification method resulted in an accuracy value for the model without varieties of 75.29% and for the varieties Mekongga 76.33%, Ciherang 75.18%, Inpari-30 62.70%, and PB42 62.87%.
Description
Pemantauan pertumbuhan tanaman padi perlu dilakukan untuk menduga keberhasilan panen. Fase pertumbuhan dan umur tanaman padi adalah parameter biofisik pertanaman yang dapat dideteksi oleh teknologi citra Landsat-8. Variabel yang diperoleh dari Landsat-8 adalah pita dan indeks vegetasi. Pemrosesan awal adalah pengolah data pertanaman padi milik PT Sang Hyang Seri di Kabupaten Subang, Jawa Barat, dari data rekapitulasi tanam dan 16 data citra Landsat-8 setiap hari selama periode 2015-2017. Penelitian ini bertujuan untuk mengetahui nilai akurasi terbaik dari teknik klasifikasi dengan terlebih dahulu menerapkan proses multiclass untuk umur pertanaman padi, rekayasa fitur, interaksi variabel dari variabel awal, dan teknik resampling. Metode klasifikasi yang digunakan adalah Multiclass Rotation Forest. Penerapan metode klasifikasi ini menghasilkan nilai akurasi untuk model tanpa varietas 75,29% dan untuk varietas Mekongga 76,33%, Ciherang 75,18%, Inpari-30 62,70%, dan PB42 62,87%.